摘要：受限波尔兹曼机（restricted Boltzmann machines，RBM）是一类具有两层结构、对称连接且无自反馈的随机神经网络模型，层间全连接，层内无连接．近年来，随着RBM的快速学习算法一对比散度的出现，机器学习界掀起了研究RBM理论及应用的热潮．实践表明，RBM是一种有效的特征提取方法，用于初始化前馈神经网络可明显提高泛化能力，堆叠多个RBM组成的深度信念网络能提取更抽象的特征．鉴于RBM的优点及其在深度学习中的广泛应用，本文对RBM的基本模型、学习算法、参数设置、评估方法、变形算法等进行了详细介绍，最后探讨了RBM在未来值得研究的方向．http://www.cqvip.com//QK/91079X/201502/664351913.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）